[發明專利]一種車輪扁疤故障檢測方法在審
| 申請號： | 201811009904.5 | 申請日： | 2018-08-31 |
| 公開（公告）號： | CN109325425A | 公開（公告）日： | 2019-02-12 |
| 發明（設計）人： | 張晶;章清;王子豪;葉正君;邢宗義 | 申請（專利權）人： | 南京理工大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06F17/50 |
| 代理公司： | 南京理工大學專利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 多尺度 車輪扁疤 故障檢測 原始信號 固有模態函數 經驗模態分解 現場采集信號 檢測結果 振動信號 分析 數據量 扁疤 | ||
1.一種車輪扁疤故障檢測方法，其特征在于，包括以下步驟：
步驟1，現場采集信號，對振動信號進行經驗模態分解；
步驟2，對經過經驗模態分解的信號進行篩選，選出有效的IMF分量；
步驟3，對單個IMF分量進行多尺度熵分析；
步驟4，對步驟2選出的所有有效的IMF分量的和值進行多尺度熵分析，判斷扁疤故障。
2.根據權利要求1所述的車輪扁疤故障檢測方法，其特征在于，步驟1所述的現場采集信號，對振動信號進行經驗模態分解，具體如下：
將振動信號表示為n個固有模態函數和殘余分量的和，即：
式中，x(t)為原始信號，IMFi為固有模態函數，rn(t)為殘余分量。
3.根據權利要求1所述的車輪扁疤故障檢測方法，其特征在于，步驟2所述的對經過經驗模態分解的信號進行篩選，選出有效的IMF分量，具體如下：
原始信號經過EMD分解后的固有模態函數包含了原始信號從低頻到高頻的不同成分，經過EMD分解之后，選出有效的IMF分量。
4.根據權利要求1所述的車輪扁疤故障檢測方法，其特征在于，步驟3所述的對單個IMF分量進行多尺度熵分析，具體如下：
給定長度為n的信號序列{x1,x2,....xn}，對該時間序列進行粗?；?/p>
式中，yτ(j)為粗粒向量樣本熵值，j為粗粒向量序列號，[N/τ]為向下取整，τ為正整數，當τ＝1時，粗粒向量為原時間序列；
計算每個粗粒序列的樣本熵，將得到的τ個粗粒向量的樣本熵值表示成τ的函數；設時間尺度最大值為τmax，計算不同尺度下的粗粒向量樣本熵值對應的樣本熵值，即得到原始時間序列的多尺度熵：
其中，MSE為多尺度熵，為粗粒向量樣本熵值對應的樣本熵值。
5.根據權利要求1所述的車輪扁疤故障檢測方法，其特征在于，步驟4所述的對步驟2選出的所有有效的IMF分量的和值進行多尺度熵分析，判斷扁疤故障，具體如下：
對步驟2選出的所有有效的IMF分量的和值進行多尺度熵分析，與步驟3所得出的分析結果進行比較，選出差別最明顯的分析結果，判斷扁疤故障。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京理工大學，未經南京理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811009904.5/1.html，轉載請聲明來源鉆瓜專利網。
